级联仿射不变集成 MCMC 采样器。 “MCMC 锤子” gwmcmc 是 Goodman and Wear 2010 Affine 的实现不变集成马尔可夫链蒙特卡罗 (MCMC) 采样器。 MCMC采样启用贝叶斯推理。 许多传统 MCMC 采样器的问题是它们对于严重扩展的问题可能收敛缓慢,并且难以优化高维问题的随机游走。 这是 GW 算法真正擅长的地方,因为它是仿射不变的。 它可以在严重缩放的问题上实现更好的收敛。 很多开箱即用更简单,因此它名副其实的MCMC锤。 (此代码使用 Goodman and Wear 算法的级联变体)。 用法: [models,logP]=gwmcmc(minit,logPfuns,mccount,[Parameter,Value,Parameter,Value]); 输入: minit:每个步行者的初始值的 MxW 矩阵合奏。 (M:模型参数的数量。W:步行
2022-01-18 14:48:27
147KB
matlab
1